Docker

·数据采集与预处理模块：负责车载传感器（摄像头、雷达等）数据的采集、同步与切片处理·网络通信与稳定性测试模块：保障车载网络（如CAN、以太网）的稳定性和数据完整性·故障分析与诊断模块：通过自动化脚本分析车载数据，识别系统异常与故障模式·版本管理与刷写模块：支持日常系统版本的刷写、迭代与回归测试·场景

系统分为数据上报、算法模块、离线计算、web后端和web前端数据上报模块:将客户数据上传到系统，是数据的来源，分为用户数据，产品数据，行为数据算法模块:根据客户行为记录，利用算法模型训练数据，生成客户喜欢的产品离线计算模块:定期处理和统计用户数据，更新迭代算法模型web前后端:给客户使用的配置界面，

功能介绍：1.细长静电线链接CV算法识别（属于cv算法模型识别小目标中的细长特难目标检测）2.工作人员值守识别3.当装卸车作业时，未连接静电线就开始作业时，预警

系统包含文档上传与解析、知识库分类管理、向量检索、RAG智能问答、多轮对话、引用来源展示、后台权限管理、问答日志、常见问题沉淀和办公自动化任务触发等模块。用户可以上传PDF、Word、Markdown等资料，系统自动抽取文本并建立索引；提问时返回结构化答案并标注参考来源；管理员可维护知识库、查看使用

本系统是一套面向工地现场的无人化塔吊智能操控平台，核心功能包括：多塔协同防碰撞：基于实时三维空间位姿预测，主动检测多台塔吊间的潜在轨迹冲突，提前进行加减速或路径微调，避免紧急制动，兼顾安全与效率。吊钩摆角实时感知与防摇：利用视觉测量算法，实时计算吊钩及吊装物的立体摆角与摆动频率，为控制系统提供精准反

BinanceEventContractAssistant是一个基于Python的事件合约概率评估与辅助决策系统，主要用于分析BTC/ETH在指定时间窗口内触碰目标价格的概率。系统通过采集永续合约行情、K线、盘口和技术指标数据，构建历史事件标签与多维度特征，并结合概率统计、机器学习模型和风控规则，输

项目建设完成后，将在以下方面实现突破：专业化知识理解：精准解析燃机领域技术规程、诊断步骤及运行数据。数据驱动决策支持：为运行调度、故障排查提供智能分析。可扩展的技术架构：支持多场景扩展与持续模型迭代，保障系统在未来业务需求变化中的适应性。本项目的实施将有效提升燃机运行管理的智能化水平，降低人工

设备接入模块（MQTT多Broker、多Topic映射，预留TCP接入扩展）、数据标准化与解析模块（按设备类型解析并统一字段）、缓存与状态模块（Redis维护设备实时状态与短时窗口数据）、消息总线与分发模块（RabbitMQ承担原始数据转发、状态分发与二次分发）、数据入库模块（Worker批量消费并

主导搭建工厂能碳一体化管理系统，深度整合仪表PI系统实现多源设备数据实时高效采集与统一汇聚。负责能源全流程业务架构设计与配套软件开发，打通能源管理全链路，大幅提升运维与管控效率。完成碳排放数据标准化对接与核算，精准满足环保核查与合规上报要求。主导HVAC系统节能优化改造，有效降低能耗与运营成本，提升

负责蛋白质多模态大模型评测框架EvalKit的设计与开发，构建面向蛋白质结构、功能与序列的自动化评测基准。实现模型效果对比、指标计算、实验复现与可视化分析，支撑大模型在蛋白质结构预测、功能标注、靶点挖掘等生物医学场景的迭代优化，提升模型评测效率与科研落地能力。

负责蛋白质多模态大模型评测框架EvalKit的设计与开发，构建面向蛋白质结构、功能与序列的自动化评测基准。实现模型效果对比、指标计算、实验复现与可视化分析，支撑大模型在蛋白质结构预测、功能标注、靶点挖掘等生物医学场景的迭代优化，提升模型评测效率与科研落地能力。

本项目围绕特种作业远程监护全流程，打造了六大核心功能模块：1.作业票智能分析模块：自动解析作业票信息，提取作业类型、风险点、监护要求等关键内容，生成个性化监护方案；2.监护需求自动生成模块：基于作业票数据，匹配行业安全规范，自动输出监护重点、告警阈值、联动策略；3.视频实时联动模块：对接现场视频监控

系统核心基于SpringAI框架构建多智能体协同架构，核心功能分为四大模块：智能体核心模块：基于SpringAI实现Agent智能体的任务规划、工具调用、记忆管理、结果反思能力，支持自定义工具扩展，可自动拆解复杂任务并分步执行；Java后端服务模块：基于SpringBoot搭建稳定的后端服务，实现用

OCR识别：实现驾驶证/行驶证/银行卡等通用证照识别，以及钢材标签、采购合同、授权委托书等定制化文本识别，已在公司内部全面推广使用RPA流程自动化：完成财务场景13家银行流水自动获取，大幅提升财务工作效率计算机视觉：落地钢材表面缺陷检测、仓库车辆出入库管控、加工中心钢卷自动上卷等工业视觉项目预测算法

一、经验模式采集引擎：从Agent真实交互记录中自动提取可复用的经验模式，目前已积累167个经过验证的高质量模式，覆盖Python、Node、Docker、Go、Rust、Java、Terraform、Ruby八大技术生态。二、模式验证流水线：每条经验模式必须通过自动化复现测试才能入库，当前167个

1.多模型本地化部署:基于Docker+0llama完成5个模型的部署，涵盖中文对话、代码生成、复杂推理等场景2.智能路由系统:根据任务类型(代码/对话/推理/快速响应)自动选择最优模型3.模型切换方案:支持API参数切换、环境变量切换、反向代理切换三种模式4.监控告警体系:响应时间、错误率、资源占

我在宏瓴任人工智能工程师期间，带领团队完成了多模态保险定损理赔智能体的第一版本的开发。该智能体可以通过主智能体与子智能体协作的方式，通过集成后台图片识别算法，文字ocr算法，定损逻辑，视频识别与比对算法，完成出险保单的多模态信息整合与损失情况的判别。然后再经过人工确认后，进入谈赔流程，由客服智能体根

NILM恶意负载检测这个仓库实现了一套基于xgboostfeatureengineering的特征提取的NILM流水线，用于：加载JSY/SQLite家电数据集对低频电气测量数据进行归一化从时序功率数据中检测开/关事件基于事件构建设备会话提取会话级特征使用经验规则对设备类型进行分类将设备类型映射为恶

意图路由模块：识别用户问题类型（如患者问诊、诊疗指南查询），智能分配至对应检索通道，适配多场景医疗问答需求。双路检索模块：结构化数据检索（MySQL）处理科室信息、药品参数等结构化医疗数据，实现参数化精准查询；非结构化数据检索（Milvus+MedicalBERT）对医疗文档做语义分块与向量检索，精

1. 文档管理模块：支持批量上传PDF、Word、TXT等格式的内部文档，自动解析文本内容并建立索引；支持文档分类、标签管理和权限控制，确保敏感资料仅对授权人员开放。​2. 智能检索模块：基于Elasticsearch实现全文检索，结合向量数据库进行语义匹配，支持关键词、自然语言提问等多种检索方式，